Validation croisée pour évaluer l’efficacité d’un modèle en machine learning | Cycle avancé IA #11
Автор: EpiMed Open Course
Загружено: 2022-01-06
Просмотров: 9324
Описание:
Ce cours présente la technique de la validation croisée (K-fold cross-validation), incontournable en machine learning. La validation croisée s’utilise dans plusieurs situations. Elle peut aider à détecter un surapprentissage dans un modèle. On l’utilise également pour estimer la performance moyenne du modèle. En plus, elle sert à calibrer le modèle en ajustant ses hyperparamètres, par exemple, le coefficient de régularisation.
Intervenant : Ekaterina Flin, ingénieur en informatique, groupe EpiMed, Institut pour l’Avancée des Biosciences (IAB), Université Grenoble Alpes (UGA)
#machine_learning #cross_validation #k_fold
Table des matières
00:00 Exemple d’introduction
01:49 Le surapprentissage
03:02 Quand utiliser la validation croisée ?
03:30 Le principe de la validation croisée
05:31 Exemple de la validation croisée
06:56 Analyse des performances
08:01 Validation croisée K-fold
08:43 Validation croisée stratifiée
09:11 Annonce d’un TP avec Python et scikit-learn
Повторяем попытку...
Доступные форматы для скачивания:
Скачать видео
-
Информация по загрузке:
